1. 数据开发与数据挖掘的区别
一、课程设置不同
1、大数据专业将从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地帮助企业掌握大数据应用中的各种典型问题的解决办法。
包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Mapreduce的并行算法、部署Hive并实现一个的数据操作等等，实际提升企业解决实际问题的能力。
2、计算机专业：计算机应用基础、应用文写作、数学、英语、德育、电工与电子技术、计算机网络技术、C语言、计算机组装与维修、企业网安全高级技术、企业网综合管理、windows server 2008操作系统。
局域网组建、Linux服务器操作系统、网络设备与网络技术（主要学习思科、华为公司设备的配置、管理、调试）、SQL Server、网络综合布线技术、CAD绘图等。
二、专业定位不同
1、计算机专业是计算机硬件与软件相结合、面向系统、侧重应用的宽口径专业。通过基础教学与专业训练，培养基础知识扎实、知识面宽、工程实践能力强，具有开拓创新意识，在计算机科学与技术领域从事科学研究、教育、开发和应用的高级人才。
2、大数据采集与管理专业是从大数据应用的数据管理、系统开发、海量数据分析与挖掘等层面系统地帮助企业掌握大数据应用中的各种典型问题的解决办法的专业。
三、培养目标不同
计算机专业：
1、掌握电子技术和计算机组成与体系结构的基本原理、分析方法和实验技能，能从事计算机硬件系统开发与设计。
2、掌握程序设计语言、算法与数据结构、操作系统以及软件设计方法和工程的基本理论、基本知识与基本技能，具有较强的程序设计能力,能从事系统软件和大型应用软件的开发与研制。
3、掌握并行处理、分布式系统、网络与通信、多媒体信息处理、计算机安全、图形图象处理以及计算机辅助设计等方面的基本理论、分析方法和工程实践技能，具有计算机应用和开发的能力。
4、掌握计算机科学的基本理论，具有从事计算机科学研究的坚实基础。
2. 大数据开发和数据挖掘有什么区别
1、在发展前景方面，大数据的发展前景是比较好的，因为大数据运用广泛，各种行业都需要对于大数据的开发、挖掘、分析。
2、在就业方面，基于大数据基础的岗位较多，有大数据开发工程师、大数据分析师、数据挖掘工程师、大数据可视化工程师等，所以为更多的人提供了就业机会。
3、关于薪资方面，现在有关大数据方面的专业性人才稀少，尤其是缺乏高端人才，这就使得大数据人才的薪资水涨船高。
4、在政策方面，从2015年开始，国家就颁布了关于大数据的各种政策，推出了《促进大数据发展行动纲要》、《大数据产业发展规划（2016-2020年）》、《关于工业大数据发展的指导意见》、《全国一体化大数据中心协同创新体系算力枢纽实施方案》等政策，因此可体现出国家对于大数据的发展是表示着支持并从多方面推行大数据的发展。
3. 数据开发与数据挖掘的区别和联系
两个专业都很好，主要看哪一个更适合你。
这两个专业都属于前景很好的专业，面对这种情况，建议了解这两个专业主要学习什么及就业方向是什么再来进行选择。
信息安全专业的就业方向主要是去毕业生可在政府机关、国家安全部门、银行、金融、证券、通信等领域从事各类信息安全系统、计算机安全系统的研究、设计、开发和管理工作，也可在IT领域从事计算机应用工作。
数据科学与大数据技术相对于信息安全来说，此专业属于比较新的一种专业，还有许多未知的技术正在探索中，前途一片光明。数据科学与大数据技术的就业方向主要是大数据技术、大数据研究、数据管理、数据挖掘、算法工程、应用开发。
可以根据自己的需求和兴趣还有未来职业规划进行选择。每个专业存在都有它的道理，有些专业是为企业而生，有些则是国家发展需要，大数据和信安这两个专业本质上都是计算机类，看你感兴趣的方向，选择即可。
信息安全专业需要掌握的知识面：
1、掌握从事专业工作所需的数学（特别是离散数学）、自然科学知识，以及经济学与管理学知识。
2、系统掌握专业基础理论知识和专业知识，经历系统的专业实践，理解计算学科的基本概念、知识结构、典型方法，建立数字化、算法、模块化与层次化等核心专业意识。
3、掌握计算学科的基本思维方法和研究方法，具有良好的科学素养和强烈的工程意识或研究探索意识，并具备综合运用所掌握的知识、方法和技术解决复杂的实际问题及对结果进行分析的能力。
4、具有终身学习意识，能够运用现代信息技术获取相关信息和新技术、新知识，持续提高自己的能力。
5、了解计算学科的发展现状和趋势，具有创新意识，并具有技术创新和产品创新的初步能力。
6、了解与专业相关的职业和行业的重要法律、法规及方针与政策，理解工程技术与信息技术应用相关的伦理基本要求，在系统设计过程中能够综合考虑经济、环境、法律、安全、健康、伦理等制约因素。
7、具有组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力。
4. 数据挖掘和数据开发
大数据作为时下火热的IT行业的词汇，随之而来的数据开发、数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。
随着大数据时代的来临，大数据开发也应运而生。
大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。
第一类工作感觉更适用于data analyst这种职位吧，而且现在hive Spark-SQL这种系统也提供SQL的接口。
第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。
这种工作的话对理论和实践要求的都更深一些，也更有技术含量。
5. 数据开发与数据挖掘的区别是什么
商务智能。商务智能工程师是商业智能行业的工程师。从需求分析师到数据仓库架构师、ETL工程师、数据分析工程师、报表开发工程师、数据挖掘工程师等，都可以称为BI工程师。
ETL工程师：从事系统编程、数据库编程和设计，掌握各种常用编程语言的专业技术人员。也称为数据库工程师。
6. 数据开发和数据挖掘区别
建议就是你得了解数据挖掘都涉及到哪些学科：首先是概率论与数理统计，还有矩阵论，两门最基础的数学，这是研究算法的工具。
其次，会编程，掌握java或者c++平台下开发的数据挖掘工具，能够学习算法源代码进而更深入地研究，还有数据库方面的知识。最后，数据挖掘是一种工具，是很多领域都可以运用的，选一个自己擅长的领域做有针对性的研究工作。了解了上面的内容你就可以决定是不是要考这类研究生了。当然数据挖掘做的比较好的大学有北大、复旦、哈尔滨工业大学
7. 数据挖掘和大数据开发有啥不同?
随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。 大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别;第二，数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质
的不同。业界将其归纳为4个“V”——Volume，Variety，Value，Velocity。 物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式 著云台
例子包括网络日志，RFID，传感器网络，社会网络，社会数据(由于数据革命的社会)，互联网文本和文件;互联网搜索索引;呼叫详细记录，天文学，大气科学，基因组学，生物地球化学，生物，和其他复杂和/或跨学科的科研，军事侦察，医疗记录;摄影档案馆视频档案;和大规模的电子商务。
大的数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。
一些但不是所有的MPP的关系数据库的PB的数据存储和管理的能力。隐含的负载，监控，备份和优化大型数据表的使用在RDBMS的。
斯隆数字巡天收集在其最初的几个星期，比在天文学的历史，早在2000年的整个数据收集更多的数据。自那时以来，它已经积累了140兆兆 字节的信息。这个望远镜的继任者，大天气巡天望远镜，将于2016年在网上和将获得的数据，每5天沃尔玛处理超过100万客户的交易每隔一小时，反过来进口量数据库估计超过2.5 PB的是相当于167次，在美国国会图书馆的书籍 。
FACEBOOK处理400亿张照片，从它的用户群。解码最初的人类基因组花了10年来处理时，现在可以在一个星期内实现。
“大数据”的影响，增加了对信息管理专家的需求，甲骨文，IBM，微软和SAP花了超过15亿美元的在软件智能数据管理和分析的专业公司。这个行业自身价值超过1000亿美元，增长近10%，每年两次，这大概是作为一个整体的软件业务的快速。 大数据已经出现，因为我们生活在一个社会中有更多的东西。有46亿全球移动电话用户有1亿美元和20亿人访问互联网。
基本上，人们比以往任何时候都与数据或信息交互。 1990年至2005年，全球超过1亿人进入中产阶级，这意味着越来越多的人，谁收益的这笔钱将成为反过来导致更多的识字信息的增长。思科公司预计，到2013年，在互联网上流动的交通量将达到每年667艾字节。
最早提出“大数据”时代已经到来的机构是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
“麦肯锡的报告发布后，大数据迅速成为了计算机行业争相传诵的热门概念，也引起了金融界的高度关注。”随着互联网技术的不断发展，数据本身是资产，这一点在业界已经形成共识。“如果说云计算为数据资产提供了保管、访问的场所和渠道，那么如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是大数据的核心议题，也是云计算内在的灵魂和必然的升级方向。”
事实上，全球互联网巨头都已意识到了“大数据”时代，数据的重要意义。包括EMC、惠普(微博)、IBM、微软(微博)在内的全球IT 巨头纷纷通过收购“大数据”相关厂商来实现技术整合，亦可见其对“大数据”的重视。
“大数据”作为一个较新的概念，目前尚未直接以专有名词被我国政府提出来给予政策支持。不过，在12月8日工信部发布的物联网“十二五”规划上，把信息处理技术作为4项关键技术创新工程之一被提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外3项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与“大数据”密切相关。
8. 数据挖掘与数据分析的区别
数据抓取是数据采集的一个步骤，数据挖掘是数据分析的高级技术。
数据挖掘也称为数据库中的知识发现(KDD)。这是一个用于使用机器学习、统计和数学技术分析大型数据集的过程。数据挖掘意味着在数据中发现和理解新的和看不见的知识，最终理解模式、趋势和关系，并从中确定一个价值。
数据提取有许多不同的名称，例如数据抓取、数据收集、网络抓取等。该技术用于从在线资源中提取数据（有时是非结构化的或结构不良的）到集中存储位置以供使用进一步处理。非结构化数据包括来自网站、文档等。集中存储位置可以是现场的、基于云的，也可以是两者的混合。注意：提取数据的过程不包括处理或分析。这些是在数据存储之后完成的。
9. 数据分析和挖掘区别
OLAP与数据挖掘DM具有本质区别
（1）功能不同
数据挖掘DM的功能在于知识发现KDD。如：数据挖掘DM中的“分类”包括：贝叶斯分类、粗糙集分类、决策树分类等，是从数据中发现知识规则，是“透过现象看本质”；
而联机分析OLAP的功能在于“统计”和统计结果的展示，是“现象”和“表象”，不能实现数据挖掘DM的知识发现KDD功能。
（2）数据组成不同
数据挖是从混沌的、具有巨大噪声的数据中提炼知识规则；
而联机分析OLAP只是从已经规范化的、纯净的关系数据库中组织数据。
（3）知识与数据的关系不同
数据挖掘DM是从数据中发现知识KDD；
而联机分析OLAP是利用人已知的知识来有意识地组织和使用数据。
（4）基本方法不同
数据挖掘的基础是数学模型和算法；
而OLAP不需要数学模型和算法支持，只与数据仓库和OLAP自身知识相关。